网易号(AI科技评论)
四家国产模型同题实测:只有 Qwen4-Max 默认档 Excel 重算无错误值,成本比 DeepSeek 贵近九倍
AI 科技评论照阿里官方博客的金融投研案例出题,让 Qwen4-Max 与腾讯混元 Hy4、Kimi K3.1 Pro 和 DeepSeek V4.1 Flash 同做金融分析任务,对比几家模型究竟能把活做到什么程度。测试出现一个有意思的结果:四家模型的核心计算基本都对,但把交来的 Excel 真正打开、完整重算一遍,问题就出现了——股指期货这道题,五份底稿里只有 Qwen4-Max 默认档没有错误值;另一道面向普通股民的题目情况也差不多。更意外的是,Qwen4-Max 思考档位更高的 xhigh,在部分交付细节上反而不如默认档。成本方面,四道题下来 Qwen4-Max 花了 30.5 元,比 DeepSeek 贵了将近九倍。Qwen4-Max 是阿里 11 月 16 日正式发布的新一代旗舰基座模型,官方博客标题为「Your New Teammate Has Arrived」,展示的金融投研任务中模型调用 90 个 MCP 工具、从多个市场获取数据,完成沪深 300 股指衍生品分析,最后交出 Excel 底稿和一份可直接修改的 PPT,每个数字都有出处。
原始来源:网易号(AI科技评论)
为什么值得关注
这次实测的价值在于它测的是「交付物能不能用」,而不是答案对不对。四家模型的核心计算基本都正确,但把表格打开完整重算后只有一家没有错误值,说明公式引用、跨表联动这类工程细节才是落地瓶颈。另一个反直觉的发现是,更高的思考档位在部分交付细节上反而不如默认档,提示「档位越高越好」的假设并不成立。成本端贵出近九倍,则让「贵是否值得」变成一个必须按任务类型分别回答的问题。
对选型的提示
- 涉及表格交付的场景,验收标准要写成打开重算无错误值,而不是看模型自述已完成。
- 不要默认开最高推理档,按任务复杂度分流档位通常更省钱也更稳定。
- 高单价模型适合高价值低频的分析任务;高频批处理可先用低价模型跑,再人工复核关键单元格。


